Você pode usar os resultados da geração para fins comerciais. Todos os direitos sobre o conteúdo criado pertencem a você. A única restrição: certifique-se de que a solicitação não inclua materiais de terceiros protegidos por direitos autorais. A responsabilidade pelo cumprimento dos direitos sobre os dados de entrada é do usuário.

O GigaChat-Max-preview é um modelo de texto: entrada de texto, saída de texto. É adequado para escrever e editar materiais, resumir documentos longos, análise, trabalho com código e responder a perguntas. O contexto de 128.000 tokens permite carregar um documento volumoso ou uma correspondência inteira e discuti-los.

Até 128.000 tokens em uma única resposta — o limite superior de saída aqui coincide com o tamanho da janela de contexto. Isso é suficiente para um relatório grande, documentação detalhada ou uma análise extensa. Lembre-se de que o texto enviado e a resposta compartilham a mesma janela, portanto, deixe uma margem.

Não há uma marcação específica sobre o modo de raciocínio em nossos dados, por isso não prometemos isso de antemão. No entanto, você pode solicitar uma análise diretamente no prompt: 'decomponha a tarefa em etapas', 'primeiro o raciocínio, depois a conclusão'. Teste esse cenário com sua tarefa.

Não há marcações sobre 'function calling' ou modo JSON estrito em nossos dados — isso não é uma negação, apenas não há confirmação. Se precisar de uma resposta estruturada garantida, descreva o esquema diretamente na solicitação e valide o resultado ou mude no BotHub para um modelo com suporte confirmado.

De acordo com nossos dados, o modelo é marcado como textual: entrada e saída são texto; não há marcações sobre aceitação de imagens, áudio ou vídeo. Para essas tarefas, mude na mesma janela do BotHub para um modelo multimodal: a API é unificada, não será necessário reescrever a integração.

Este é um modelo de desenvolvimento russo, e o russo é sua língua nativa: casos gramaticais, estilo, formulações formais e coloquiais são tratados com confiança. Não há medições de qualidade separadas em nossos dados, por isso é mais fácil verificar você mesmo — envie seu texto típico e compare a resposta com outro modelo.